Python 如何改变深度限制，而与刮痧爬行？

我想禁用爬行器中某个方法的深度检查和迭代，或者在爬行时更改深度限制。以下是我的一些代码：

    def start_requests(self):
        if isinstance(self.vuln, context.GenericVulnerability):
            yield Request(
                self.vuln.base_url,
                callback=self.determine_aliases,
                meta=self._normal_meta,
            )
        else:
            for url in self.vuln.entrypoint_urls:
                yield Request(
                    url, callback=self.parse, meta=self._patch_find_meta
                )


    @inline_requests
    def determine_aliases(self, response):
        vulns = [self.vuln]
        processed_vulns = set()
        while vulns:
            vuln = vulns.pop()
            if vuln.vuln_id is not self.vuln.vuln_id:
                response = yield Request(vuln.base_url)
            processed_vulns.add(vuln.vuln_id)
            aliases = context.create_vulns(*list(self.parse(response)))
            for alias in aliases:
                if alias.vuln_id in processed_vulns:
                    continue
                if isinstance(alias, context.GenericVulnerability):
                    vulns.append(alias)
                else:
                    logger.info("Alias discovered: %s", alias.vuln_id)
                    self.cves.add(alias)
        yield from self._generate_requests_for_vulns()


    def _generate_requests_for_vulns(self):
        for vuln in self.cves:
            for url in vuln.entrypoint_urls:
                yield Request(
                    url, callback=self.parse, meta=self._patch_find_meta
                )

我的程序是这样的，用户可以给出他们需要/想要的深度限制作为输入。在某些情况下，我的默认解析方法允许递归抓取链接

define_别名是一种预处理方法，由_generate_requests_for_vulns生成的请求是针对实际解决方案的

如您所见，我从响应中提取了所需的数据，并从determine_alias将其存储在spider类的set属性“cves”中。完成后，我将生成请求w/r/t，其中数据来自为Vuln生成请求

这里的问题是，要么产生来自determine_别名的请求，要么在回调时调用determine_别名来迭代深度。因此，当我从_生成_请求_为_vulns生成进一步爬行的请求时，我的深度限制比预期的要快

---

请注意，实际的爬网解决方案是从\u generate\u requests\u为\u vulns生成的请求开始的，因此给定的深度限制应该只应用于这些请求。

我通过创建一个中间件将深度重置为0来解决这个问题。我在请求中传递了一个元参数，其中“reset_depth”为True，中间件根据该参数更改请求的depth参数

class DepthResetMiddleware(object):

    def process_spider_output(self, response, result, spider):
        for r in result:
            if not isinstance(r, Request):
                yield r
                continue
            if (
                "depth" in r.meta
                and "reset_depth" in r.meta
                and r.meta["reset_depth"]
            ):
                r.meta["depth"] = 0
            yield r

请求应该以如下方式从爬行器中产生：

yield Request(url, meta={"reset_depth": True})

然后将中间件添加到您的设置中。顺序很重要，因为这个中间件应该在安装DepthMiddleware之前执行。因为默认的DepthMiddleware顺序是900，所以我在CrawlerProcess中将DepthResetMiddleware的顺序设置为850，如下所示：

"SPIDER_MIDDLEWARES": {
    "patchfinder.middlewares.DepthResetMiddleware": 850
}

---

不知道这是否是最好的解决方案，但它确实有效。另一种选择可能是扩展DepthMiddleware并在那里添加此功能。

当达到深度限制时会发生什么？你得到最大递归限制了吗@HåkenLid当我到达深度限制时，Scrapy忽略了在该深度可能产生的任何进一步请求。我没有递归限制。